Cómo armar una tabla de frecuencias

1 · Definición

Una tabla de frecuencias es la presentación ordenada de una distribución de frecuencias: una fila por valor o categoría, y una columna por cada tipo de frecuencia.

2:58

2 · Para qué sirve

Para dos cosas distintas. Como herramienta de trabajo, es lo primero que se mira al recibir una base: revela categorías mal escritas, códigos imposibles, valores faltantes y casos duplicados antes de que contaminen todo el análisis. Como objeto de comunicación, es la tabla que va en el informe.

No son la misma tabla. La de trabajo tiene todo; la del informe tiene lo que el lector necesita, y ni una columna más. La diferencia tiene su sección.

3 · El procedimiento

Paso 1 — Identificá la variable y su escala. De la escala de medición depende todo lo que sigue. Si es nominal no hay orden, y entonces no hay frecuencias acumuladas.

Paso 2 — Listá los valores o categorías. Todos los que aparecen, incluidos los que tienen frecuencia cero si son parte de la escala. Si la variable es continua, primero hay que definir intervalos de clase.

Paso 3 — Ordenalos. Las categorías ordinales y los valores numéricos van en su orden natural. Las nominales, por frecuencia descendente o por un criterio declarado (alfabético, geográfico). Nunca en el orden en que aparecieron en la base.

Paso 4 — Contá. Esa es la frecuencia absoluta $n_i$. Si los casos tienen ponderador, no se cuenta: se suma — ver más abajo.

Paso 5 — Calculá las relativas.

$$f_i = \frac{n_i}{n} \qquad p_i = 100 \cdot f_i$$

El $n$ del denominador tiene que estar decidido antes de dividir: o es el total de casos, con los faltantes como una fila más, o es el $n$ válido, sin ellos. Las dos opciones son correctas; lo que no se puede es no decir cuál se usó (ver la tabla de trabajo y la del informe).

Paso 6 — Acumulá, si la variable tiene orden.

$$N_i = \sum_{j=1}^{i} n_j \qquad P_i = \sum_{j=1}^{i} p_j$$

Paso 7 — Verificá. $\sum n_i = n$, $\sum f_i = 1$, $\sum p_i = 100$, y la última acumulada tiene que dar exactamente $n$ y 100 %. Los conteos tienen que cerrar exactos; los porcentajes, salvo una diferencia de redondeo de una décima. Cualquier otra diferencia es un error.

Paso 8 — Titulá y citá. Toda tabla lleva número, título que diga qué, dónde y cuándo, el total de casos y la fuente.

Las verificaciones del paso 7 no son un trámite: cada una falla por un motivo distinto y conviene saber cuál buscar.

Si esto no cierra	Lo que suele haber detrás
$\sum n_i$ no da el total de casos	Casos sin clasificar, duplicados, o un filtro que quedó puesto
$\sum p_i$ da 99,9 o 100,1	Redondeo: se aclara al pie y no se toca ninguna cifra
$\sum p_i$ da 97 o 104	Error de cálculo, o porcentajes sacados sobre denominadores distintos
La última acumulada no da 100 %	Se arrastró mal la suma, o hay filas fuera del orden
Aparece una categoría que no está en el diccionario	Códigos sucios: hay que limpiar antes de seguir

4 · Un ejemplo

Cantidad de personas por hogar en los 31 aglomerados urbanos que cubre la Encuesta Permanente de Hogares, primer trimestre de 2026 (15.447 hogares relevados, expandidos al total de hogares de esos aglomerados):

Personas	$n_i$	$f_i$	$p_i$	$N_i$	$P_i$
1	2.218.984	0,217	21,7 %	2.218.984	21,7 %
2	2.487.862	0,244	24,4 %	4.706.846	46,1 %
3	2.091.743	0,205	20,5 %	6.798.589	66,6 %
4	1.728.992	0,169	16,9 %	8.527.581	83,5 %
5	971.144	0,095	9,5 %	9.498.725	93,1 %
6	386.675	0,038	3,8 %	9.885.400	96,8 %
7 o más	322.350	0,032	3,2 %	10.207.750	100,0 %
Total	10.207.750	1,000	100,0 %	—	—

Las columnas acumuladas no llevan total: no tendría sentido sumarlas. Por eso va un guion y no un número.

5 · Cómo se interpreta

Cada columna responde una pregunta distinta:

• $n_i$ — ¿cuántos hogares tienen exactamente 3 personas? 2.091.743.
• $p_i$ — ¿qué parte del total representan? El 20,5 %.
• $N_i$ — ¿cuántos hogares tienen 3 personas o menos? 6.798.589.
• $P_i$ — ¿qué parte del total? El 66,6 %.

La columna $P_i$ es la forma más rápida de ubicar cuantiles sin calcular nada: donde cruza el 50 % está la mediana. Acá pasa del 46,1 % al 66,6 % entre las filas 2 y 3, así que la mediana es 3 personas por hogar.

Redacción sugerida:

El tamaño de hogar más frecuente fue de 2 personas (24,4 %), aunque la distribución se reparte de manera pareja entre los hogares de 1 a 4 personas, que en conjunto reúnen el 83,5 % del total. La mediana es de 3 personas por hogar (EPH, 31 aglomerados urbanos, 1º trimestre de 2026).

6 · Cuando los casos pesan distinto

Vale volver al ejemplo: se relevaron 15.447 hogares y la tabla suma 10.207.750. No hay error. En una encuesta con ponderadores, cada caso representa a una cantidad distinta de unidades de la población, y la frecuencia deja de ser un conteo para ser una suma de pesos:

$$n_i = \sum_{j \in i} w_j$$

Es decir: la frecuencia de una categoría es la suma de los ponderadores de los casos que caen en ella, no cuántos casos son. Todo lo demás —relativas, porcentajes, acumuladas— se calcula igual, sobre esos $n_i$ expandidos.

Ojo con la notación: acá $n_i$ ya no es una cantidad de casos sino una estimación de cuántas unidades de la población hay en la categoría, y el total de la tabla tampoco es el tamaño de la muestra. Por eso muchos textos lo escriben $\hat{N}_i$, con mayúscula y sombrero, aunque en una tabla de frecuencias choque con la $N_i$ de la acumulada.

Con el mismo ejemplo se ve. Si en lugar de sumar ponderadores se cuentan los 15.447 hogares, los de una persona pasan a ser el 23,4 % en vez del 21,7 %, y los de dos personas el 26,4 % en vez del 24,4 %. La tabla sigue sumando 100.

La razón es que el ponderador no es uniforme. En la EPH de ese trimestre, un hogar relevado en Viedma – Carmen de Patagones representa, en la mediana, a unos 87 hogares; uno de los Partidos del GBA, a unos 2.214. Contarlos por igual le da a los aglomerados chicos —que tienen proporcionalmente más casos en la muestra— mucho más peso del que les corresponde en el total.

Por eso, cuando se trabaja con una base ponderada, la tabla se informa con los dos números: el expandido, que es el que describe a la población, y la cantidad de casos relevados, que es la que permite juzgar cuánta confianza merece cada fila. Una categoría que se ve gruesa en la columna expandida puede apoyarse en doce casos.

7 · La tabla de trabajo y la del informe

Son dos tablas distintas y conviene armarlas como tales:

Columna	En la de trabajo	En la del informe
Categoría	Sí	Sí, con la etiqueta en castellano, no el código
$n_i$	Sí	Sí
$f_i$ (en tanto por uno)	Sí	No: se elige entre $f_i$ y $p_i$, no las dos
$p_i$	Sí	Sí
$N_i$ y $P_i$	Sí	Solo si se usan en el texto
Faltantes	Siempre, como fila propia	Sí, o declarando el $n$ válido
Casos relevados, si hay ponderador	Sí	Sí, al menos en la nota

La del informe además lleva número, título, total y fuente, y se arma siguiendo las convenciones de tablas publicables. La regla de fondo: una tabla de informe no se copia y pega desde la salida del software — se escribe para que se entienda sin leer el resto del trabajo.

8 · Errores frecuentes

• Acumular una variable nominal. No existe “provincia de Catamarca o menos”. Si la variable es nominal, las columnas $N_i$ y $P_i$ no van.
• Contar casos habiendo ponderador. Da una tabla perfectamente consistente y con los porcentajes cambiados. Con base ponderada se suman los pesos.
• Dejar la tabla en el orden de la base. Una tabla ordinal desordenada es ilegible y se malinterpreta sola.
• Arrastrar decimales de más. Un decimal en los porcentajes alcanza; dos, solo con un $n$ muy grande; tres es ruido. Los conteos son enteros, siempre. Ver redondeo y cifras significativas.
• Tabla sin total y sin $n$. Sin el denominador, ningún porcentaje se puede evaluar. El total va siempre, aunque parezca obvio.
• Pegar la salida del software en el informe. Los nombres de las columnas del programa, los códigos numéricos y los quince decimales son de la tabla de trabajo, no de la que lee el jurado.
• Categorías que se superponen o dejan huecos. Las clases tienen que ser exhaustivas y mutuamente excluyentes: cada caso cae en una y solo una.
• Esconder los valores faltantes. Si hay casos sin dato, van en su propia fila o se declara el $n$ válido usado como denominador.

9 · En el software

Los ejemplos usan los nombres de la base de hogares de la EPH: IX_TOT es la cantidad de miembros del hogar y PONDERA, el ponderador.

# R — tabla completa en una sola pasada
# useNA = "ifany" muestra los faltantes; sin eso, table() los descarta callada
n  <- table(datos$IX_TOT, useNA = "ifany")
tabla <- data.frame(
  valor = names(n),
  ni    = as.vector(n),
  fi    = round(as.vector(prop.table(n)), 3),
  pi    = round(100 * as.vector(prop.table(n)), 1),
  Ni    = cumsum(as.vector(n)),
  Pi    = round(100 * cumsum(as.vector(prop.table(n))), 1)
)
tabla

# Si la base tiene ponderador, la frecuencia es la suma de los pesos
xtabs(PONDERA ~ IX_TOT, data = datos)

# Python
import pandas as pd

# dropna=False muestra los faltantes; sin eso, value_counts() los descarta
n = datos["IX_TOT"].value_counts(dropna=False).sort_index()
tabla = pd.DataFrame({
    "ni": n,
    "fi": (n / n.sum()).round(3),
    "pi": (100 * n / n.sum()).round(1),
    "Ni": n.cumsum(),
    "Pi": (100 * n.cumsum() / n.sum()).round(1),
})
tabla

# Con ponderador
datos.groupby("IX_TOT")["PONDERA"].sum()

Excel:    Tabla dinámica, o =CONTAR.SI() por valor y =SUMA() arrastrada
          para la acumulada
          Con ponderador: =SUMAR.SI(categorías; valor; ponderadores)
SPSS:     Analizar › Estadísticos descriptivos › Frecuencias
          (la salida ya trae "Porcentaje acumulado")
          Con ponderador: Datos › Ponderar casos, antes de tabular
InfoStat: Estadísticas › Tablas de frecuencias

@misc{estadistica_ar_tabla_de_frecuencias,
  author       = {Montivero, Jorge Luis},
  title        = {{Cómo armar una tabla de frecuencias}},
  year         = {2026},
  howpublished = {\url{https://estadistica.ar/conceptos/tabla-de-frecuencias}},
  note         = {estadistica.ar. Consultado el \today},
  urldate      = {2026-11-09}
}